五月六月AI安全论文速览
gasteigerjo · x · 2026-07-09
作者整理了 2026 年 5 月和 6 月的 AI 安全论文亮点，包括全局工作空间、自然语言自编码器、教会模型理解原因、监督数据反而削弱监督、预测异常行为、训练去除 sandbagging，以及 METR 风险报告等主题。\n\n这是一份面向 AI 安全研究的摘要型清单，适合快速了解近期相关论文方向。
gasteigerjo · x · 2026-07-09
作者整理了 2026 年 5 月和 6 月的 AI 安全论文亮点，包括全局工作空间、自然语言自编码器、教会模型理解原因、监督数据反而削弱监督、预测异常行为、训练去除 sandbagging，以及 METR 风险报告等主题。\n\n这是一份面向 AI 安全研究的摘要型清单，适合快速了解近期相关论文方向。